Tal-till-text-appar värda att använda

Vad en tal-till-text-app gör

En tal-till-text-app gör två saker som låter som en. Först lyssnar automatisk taligenkänning på din mikrofon och skriver ner orden. Sedan lägger en formateringsomgång till komman, stora bokstäver och styckebrytningar som rått tal inte kommer med. Vissa appar stannar där. Bättre appar lägger till ett AI-putssteg som rättar utfyllnadsord och stramar upp formuleringen. Whisper utlöser den omgången med nyckelordet "Hey whisper".

Det som spelar roll är var texten hamnar. En mötestranskriberare som Otter spelar in ett samtal och ger dig en transkription efteråt. En dikteringsapp gör tvärtom: du trycker på en tangent, pratar, och orden dyker upp precis där markören redan står, i mejlet eller dokumentet du skriver. Det är olika verktyg för olika uppgifter, och det enskilt största misstaget folk gör är att betala för fel sort. Någon köper en mötestranskriberare för att skriva mejl, eller ett skrivverktyg för att fånga ett webbinarium, och undrar sedan varför det känns som om appen kämpar emot dem. Det är inte appen. Det är kategorin.

Taligenkänning krävde också förr träning. Du läste upp en lista med ord i fyrtiofem minuter så att programmet kunde lära sig din röst, och även då gissade det fel var tredje mening. (En släkting till mig kastade en gång headsetet tvärs över rummet. Headsetet överlevde; dikteringsexperimentet gjorde det inte.) Moderna appar hoppar över allt det där. Modellen anländer med 99 språk redan inlärda i Whispers flerspråkiga varianter, eller fokuserade 25 i den snabbare Parakeet-motorn, och den fungerar på din dialekt direkt ur lådan.

Tryck på en snabbtangent, prata, texten dyker upp

Interaktionen är hela produkten. Du håller in en tangent, du talar, du släpper, texten klistras in vid markören. Inget fönster att öppna, ingen inspelningsknapp att hitta, ingen kopiera-och-klistra efteråt.

På Windows är standardsnabbtangenten Ctrl+Space. På en Mac håller du Command och Option samtidigt och släpper endera tangenten för att stoppa. Båda är anpassningsbara, vilket spelar större roll än det låter. Första gången en användare berättade att min snabbtangent krockade med deras ritprogram lärde jag mig att "tryck på en tangent" är en tangent för mycket när det är fel tangent. Jag hade hårdkodat den, skeppat den och känt mig smart i ungefär en vecka.

För det mesta är en dikteringsapp osynlig, bara en snabbtangent och det där överlägget. Inställningarna är där du väljer hur den beter sig: vilken motor som körs, om AI-putsning är på, vilket språk som förväntas. Det valet är just det som operativsystemets inbyggda funktioner inte ger dig.

Lokalt eller moln, och varför det avgör din integritet

Här är uppdelningen som avgör allt annat. Lokalt betyder att transkriberingen sker på din egen laptop, offline, utan att något lämnar maskinen. Whispers lokala pipeline kör två motorer på det här sättet: de flerspråkiga Whisper-modellerna för 99 språk och översättning till engelska, eller NVIDIA:s Parakeet, som är 5 till 10 gånger snabbare på en CPU men täcker 25 språk och inga asiatiska skriftsystem. Moln betyder att ljudet går till en server. Whispers Cloud-läge är OpenAI med din egen nyckel – du tillhandahåller din egen API-nyckel, det täcker ungefär 57 språk, och ljudet är det enda som lämnar din enhet.

De flesta inbyggda appar väljer tyst molnet åt dig. Windows röstskrivning, till exempel, behöver en internetanslutning. Microsoft säger det rakt ut på sin egen hjälpsida. Gboards offlinebeteende beror på om du har laddat ner ett språkpaket på enheten, vilket varierar mellan telefoner. De äkta offlinealternativen är smalare än kategorin antyder: iPhone Dictation fungerar utan anslutning på en iPhone 6s eller senare, Mac Dictation kan bearbeta allmän text på enheten, och Whispers lokala läge håller allt på din maskin.

Om du dikterar ditt löneblad eller ett utkast till ett juridiskt mejl är frågan om det ljudet lämnar din laptop ingen nördig detalj. Det är skillnaden mellan ett privat verktyg och ett loggat. Molnapparna kompenserar med en sak som de råa OS-verktygen hoppar över: ett AI-putssteg som gör "öh, skicka det, öh, imorgon" till en mening du faktiskt skulle skicka.

Apparna jag skulle välja

Nog ramat in. Här är vad jag skulle säga till en vän vid skolgrinden som frågade, per enhet.

• På telefonen, använd tangentbordsmikrofonen. Gboard på Android och iOS-tangentbordet har båda en mikrofonknapp: tryck på den, prata, klart. Det är gratis, redan installerat, och för ett sms eller en snabb anteckning är det allt du behöver. Det finns ingen skrivbordsapp värd att installera på en telefon för det här.

• På Windows, börja med Win+H. Tryck på Windows-tangenten och H i valfri textruta så öppnas röstskrivning i hela systemet, utan att det krävs någon Microsoft 365-prenumeration. Den behöver internet, men den är gratis och fungerar överallt.
• På en Mac, börja med Dictate. Slå på det i Systeminställningar, tryck på mikrofontangenten, och den skriver i vilken app som helst. För allmän text kan den köras på enheten i stället för att ringa Apples servrar.
• När det inbyggda inte räcker, installera en skrivbordsapp. Whisper är den jag bygger: en snabbtangent för hela systemet, ditt val av lokal eller molnmotor, AI-putsning och ett offlineläge som OS-verktygen inte erbjuder. Hela den lokala pipelinen är gratis för alla inloggade användare utan kort vid registrering. Om du är på en plattform så täcker genomgången för Windows och genomgången för Mac installationen steg för steg.

Andra appar värda att känna till

Några namn dyker upp varje gång någon söker på det här, så här är ärliga enradare.

• Wispr Flow marknadsför över 100 språk med autodetektering och körs på Mac, Windows, iPhone och Android. Det är ett betalt plattformsövergripande alternativ om du vill ha ett verktyg överallt; vi skrev en mer utförlig jämförelse av Wispr Flow om du väger det mot andra.
• Dragon Professional är den gamla skolan. Nuance marknadsför upp till 99 % träffsäkerhet från första användningen och diktering tre gånger snabbare än att skriva, men bara på Windows. Det är en seriös, betald professionell produkt.
• Otter.ai är en mötestranskriberare, inte ett dikteringsverktyg. Dess gratisnivå ger 300 minuter i månaden och den är byggd för att spela in samtal, inte för att skriva vid din markör. Rätt verktyg, fel kategori för de flesta sökningar på "tal-till-text-app" – samma fälla som vi tar upp i vår guide till transkriberingsprogram.
• Dedicated dictation apps sit in the same category but lead with cursor-level typing rather than recording. If that is the angle you care about, our look at the modern dictation app covers what separates a good one from a glorified microphone button.

När du ska hoppa över en särskild app och använda det inbyggda

Om du bara skickar i väg trettioordssms och en och annan anteckning, installera ingenting. Apple Dictation är gratis, inbyggt i din Mac och iPhone, och fungerar i varje app du kan skriva i. Windows-användare har Win+H för samma pengar. De inbyggda verktygen börjar svida vid längre, formaterat skrivande: ingen AI-putsning, inget motorval, och på Windows inget offlineläge. Det är gränsen. Under den är det gratisalternativ som Apple och Microsoft redan gett dig rätt val, och jag vill hellre att du använder det än installerar mitt för en uppgift det inte behöver.

När det gäller kostnad gäller samma ärlighet. De inbyggda alternativen följer med din enhet och kostar ingenting. Whispers lokala pipeline är också gratis för alla inloggade användare, utan att någon betalmetod krävs för att börja; den betalda Cloud-ytan och dess aktuella siffror finns på prissidan. För telefon-och-snabbanteckning ska du inte betala någon något. För skrivbordsdiktering i hela systemet med offlineläge och AI-putsning börjar ett betalt verktyg bli vettigt.

I tisdags gjorde jag matlådor medan jag svarade på en tillståndslapp, gurka i ena handen, snabbtangenten under den andra, och dikterade "skriver under lappen, skickar den imorgon" mellan stunden då min yngste frågade varför månen ibland inte var där. Mejlet gick i väg. Matlådorna blev gjorda. Det brukade ta femton minuter av enhandsskrivande. Vilken app du än väljer från den här listan, så är det den stunden du köper tillbaka.